論文の概要: OWLS: Open-world Language-conditioned Speed Fields for Zero-Shot Rover Navigation
- arxiv url: http://arxiv.org/abs/2610.32596v2
- Date: Wed, 28 Oct 2026 23:03:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-30 22:39:27.484749
- Title: OWLS: Open-world Language-conditioned Speed Fields for Zero-Shot Rover Navigation
- Title（参考訳）: OWLS: ゼロショットローバーナビゲーションのためのオープンワールド言語条件の高速フィールド
- Abstract要約: オープン語彙視覚言語モデル(VLM)は、固定されたラベルセットの外の地形を物理的に推論することを可能にする。
本稿では,VLMの高密度特徴写像を直接計画するオープンワールド言語条件付スピードフィールド(OWLS)について述べる。
OWLSはこれらのスコアを地上に投影し、2つの形態的操作でプラットフォームに適応させ、その結果を最小時間プランナーの速度場として利用する。
- 参考スコア（独自算出の注目度）: 4.031184371571695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Semantics can provide a proxy for physical traversability. Terrain that looks like loose sand or a rock field is likely to have similar physical properties. Open-vocabulary vision-language models (VLMs) enable this physical reasoning over terrain outside any fixed label set. We present Open-world Language-conditioned Speed Fields (OWLS), which plans directly over the dense feature map of a VLM. Prompted with a description of traversable terrain, the VLM scores every pixel of a single camera image; OWLS projects these scores onto the ground, adapts them to the platform with two morphological operations, and uses the result as the speed field of a minimum-time planner, so terrain appearance and obstacle clearance shape one trajectory. OWLS needs no task-specific training, no terrain annotation, no persistent map, and no exteroceptive sensor beyond the camera. We evaluate it on a physical rover indoors and off-road, on simulated Mars and Moon rovers over 200 procedurally generated terrains, and on real planetary imagery. Project page: https://chahyon-ku.github.io/owls/
- Abstract（参考訳）: セマンティックスは物理的トラバーサビリティのためのプロキシを提供することができる。
柔らかい砂や岩場のような地形は、同じような物理的性質を持つ可能性が高い。
オープン語彙視覚言語モデル(VLM)は、固定されたラベルセットの外の地形を物理的に推論することを可能にする。
本稿では,VLMの高密度特徴写像を直接計画するオープンワールド言語条件付スピードフィールド(OWLS)について述べる。
OWLSはこれらのスコアを地上に投影し、2つの形態的操作でプラットフォームに適応させ、その結果を最小時間プランナーの速度場として使用することにより、地形の外観と障害物クリアランス形状を1軌跡とする。
OWLSは、タスク固有のトレーニングも、地形アノテーションも、永続マップも、カメラ以外の外部センサーも必要としない。
我々は、屋内およびオフロードの物理的ローバー、シミュレーションされた火星と月のローバーで200以上の手続き的に生成された地形で評価し、実際の惑星画像で評価した。
プロジェクトページ:https://chahyon-ku.github.io/owls/
関連論文リスト
- MARE: An Open-Source Lunar Rover Simulator with Shadow Ground Truth for Perception and Autonomy [0.0]
月の極付近では、太陽高度が低いと、立体視、地形のセグメンテーション、局在に挑戦する、長いコントラストの影が生じる。
本稿では,Unreal Engine 5 と ROS 2 上に構築された月面ローバー認識と自律性のためのオープンソースのシミュレーションスイート MARE について述べる。
論文 参考訳（メタデータ） (2026-10-20T16:18:29Z) - KilometerVision: A New Frontier for Large-Scale Spatial Intelligence in VLMs [52.17037661130303]
実世界のビデオから最大1kmに及ぶ地理的なレイアウトの理解を探索する最初のベンチマークを紹介する。
認知科学の文献に触発され,人間の空間認識の階層的な段階に対するモデルの評価を行った。
論文 参考訳（メタデータ） (2026-09-30T12:14:26Z) - MarsLab: A Martian Rover Simulator for Planetary Rover Autonomous Navigation [11.377400037075837]
将来の火星ミッションでは、未構造化の地形を横断し、照明、大気塵、限られた通信を行うローバーの自律性が必要になります。
我々は、自律性とナビゲーションアルゴリズム開発のためのオープンソースのROS2ネイティブ火星ローバーシミュレータであるMarsLabを紹介する。
論文 参考訳（メタデータ） (2026-09-28T09:18:28Z) - RECAST: Recasting Vision-Language Semantics into an Actionable Cost Map for Robot Navigation [55.481757624043034]
RECASTは、VLMの推論と視覚基盤モデルの空間的接地を組み合わせたロボットナビゲーションフレームワークである。
シミュレーションでは13.3ポイント、実四重奏では31.4ポイントで最強の先行法よりも成功率を向上させる。
衝突速度を9.6点、14.3点に減らし、全ての方法の中で最も低い衝突速度に達する。
論文 参考訳（メタデータ） (2026-09-26T13:13:45Z) - G-DRAGON: Geospatial Reasoning and Dynamic Planning for Retrieval-Augmented Outdoor Navigation [8.375852792481576]
G-DRAGONは、屋外のオープンワールドナビゲーションのための検索拡張フレームワークである。
軽量LLMに基づく生成検索により、自然言語コマンドをバージョン管理されたローカルOSMエンティティにマッピングする。
高レベルの計画モジュールは、SLAMシステムでグローバルなトポロジカルなルートをブリッジし、地理空間的な経路をロボットのナビゲート可能なフレームに投影する。
論文 参考訳（メタデータ） (2026-05-25T09:52:58Z) - Construction of Digital Terrain Maps from Multi-view Satellite Imagery using Neural Volume Rendering [16.61956311882373]
衛星画像から直接テクスチャ化されたデジタル地形図を学習するために、ニューラルネットワークのボリュームレンダリング技術を適用する。
我々は、地球と火星の合成衛星データと実際の衛星データの両方について、我々の手法を実証する。
提案手法は,衛星画像の解像度とほぼ等しい地形予測精度で,有望な結果を示す。
論文 参考訳（メタデータ） (2025-08-02T14:29:20Z) - GeoDistill: Geometry-Guided Self-Distillation for Weakly Supervised Cross-View Localization [70.65458151146767]
クロスビューのローカライゼーションは、自律ナビゲーションや拡張現実のような大規模な屋外アプリケーションにとって不可欠である。
既存の手法は、しばしば完全に教師付き学習に依存している。
本研究では,FoV(Field-of-View)ベースのマスキングを用いた教師学習フレームワークGeoDistillを提案する。
論文 参考訳（メタデータ） (2025-07-15T03:00:15Z) - LunarLoc: Segment-Based Global Localization on the Moon [52.418394025548295]
GPSのような従来の地球ベースのナビゲーションインフラが利用できない月面での自律的な運用には、グローバルなローカライゼーションが不可欠である。
本稿では,グローバルなローカライゼーション手法であるLunarLocを提案する。
LunarLocは、マルチセッショングローバルローカライゼーション実験において、サブcmレベルの精度を実現し、月のグローバルローカライゼーションにおける技術状況を大幅に上回っている。
論文 参考訳（メタデータ） (2025-06-20T12:06:47Z) - Towards Robust Monocular Visual Odometry for Flying Robots on Planetary
Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。
高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。
また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-12T12:52:20Z) - Audio-Visual Self-Supervised Terrain Type Discovery for Mobile Platforms [29.590052023903446]
地形特性を認識・発見する能力は多くの自律型地上ロボットにとって重要な機能である。
移動体プラットフォームの下面に取り付けられたマイクから抽出した音声特徴を切り替えるマルチモーダル自己教師型学習手法を提案する。
次に、地形クラスタラベルを使用して、画像ベースの畳み込みニューラルネットワークをトレーニングし、地形タイプの変化を予測する。
論文 参考訳（メタデータ） (2020-10-13T11:56:48Z) - OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles [62.997667081978825]
OpenREALMは無人航空機(UAV)のリアルタイムマッピングフレームワークである
異なる操作モードにより、OpenREALMは近似平面場を仮定して単純な縫合を行うことができる。
すべてのモードにおいて、結果のマップの漸進的な進捗は、地上のオペレータによってライブで見ることができる。
論文 参考訳（メタデータ） (2020-09-22T12:28:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。